模式识别与机器学习教学大纲_第1页
模式识别与机器学习教学大纲_第2页
模式识别与机器学习教学大纲_第3页
全文预览已结束

下载本文档

版权说明：本文档由用户提供并上传，收益归属内容提供方，若内容存在侵权，请进行举报或认领

文档简介

模式识别与机器学习教学大纲模式识别就是利用计算机对某些物理现象进行分类，在错误概率最小的条件下，使识别的结果尽量与事物相符。模式识别的原理和方法在医学、军事等众多领域应用十分广泛，是计算机及其相关专业进行科学研究的基础。课程以模式识别任务为主导，讲授如何确定学习目标、获取学习样例，进行分类、识别与预测。课程概述本课程面向大学本科三年级以上学生或者具有先验课程基础的学生，通过培养学生认识模式识别的目的和意义，了解模式识别的过程，掌握机器学习的基本算法，并用以解决模式识别基本任务，促进学生应用模式识别处理计算机自动识别事物，掌握机器学习数据分析的相关技术；切实提高机器学习算法的理解与应用，提升对新理论、新方法的把握能力和研究能力，以及正确的解决工程问题的实践能力。课程面向模式识别领域的前沿知识，内容兼顾基本理论和应用实例，紧扣该领域国际发展前沿和热门研究课题，将实例贯穿于知识点，并能够对知识点进行延伸扩展，达到举一反三的目的。课程大纲01模式识别基本概念课时1.1什么是模式识别1.2模式识别数学表达1.3特征向量的相关性1.4机器学习基本概念1.5模型的泛化能力1.6评估方法与性能指标02基于距离的分类器课时2.1MED分类器2.2特征白化2.3MICD分类器03贝叶斯决策与学习课时3.1贝叶斯决策与MAP分类器3.2MAP分类器：高斯观测概率3.3决策风险与贝叶斯分类器3.4最大似然估计3.5最大似然的估计偏差3.6贝叶斯估计(1)3.7贝叶斯估计(2)3.8KNN估计3.9直方图与核密度估计04线性判据与回归(一)课时4.1线性判据基本概念4.2线性判据学习概述4.3并行感知机算法4.4串行感知机算法4.5Fisher线性判据4.6支持向量机基本概念4.7拉格朗日乘数法4.8拉格朗日对偶问题4.9支持向量机学习算法05线性判据与回归(二)课时4.10软间隔支持向量机4.11线性判据多类分类4.12线性回归4.13逻辑回归的概念4.14逻辑回归的学习4.15Softmax判据的概念4.16Softmax判据的学习4.17核支持向量机06神经网络课时5.1神经网络概念5.2BP算法5.3深度学习（一）5.4深度

人人文库> 全部分类> 应用文书 > 作业报告

温馨提示

  • 1. 本站所有资源如无特殊说明，都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等，如果需要附件，请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸，网页内容里面会有图纸预览，若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对用户上传分享的文档内容本身不做任何修改或编辑，并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容，请与我们联系，我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论